論文の概要: Counterfactual assessment of social media interventions by separating exposure from engagement
- arxiv url: http://arxiv.org/abs/2610.37864v1
- Date: Tue, 27 Oct 2026 19:10:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-02 22:05:31.377535
- Title: Counterfactual assessment of social media interventions by separating exposure from engagement
- Title（参考訳）: エンゲージメントからの露出分離によるソーシャルメディア介入の実態評価
- Abstract要約: 本研究では,ソーシャルメディア利用者が何を公開しているか(勧告)とどのように関与しているか(行動)をパラメータが別々に制御する露光強調モデルを提案する。
我々は行動介入(公開と精度のプロンプト)をシミュレートし、効果の大きさをキャリブレーションし、推奨システム介入(時系列フィード)を行う。
分類を減らしながら、エンゲージメントと多様性を増すようなレコメンダ・システム介入を設計するが、時系列フィードの約10分の1の利得は、このフレームワークが社会的介入設計にもたらす可能性を示している。
- 参考スコア（独自算出の注目度）: 0.30586855806896046
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Social media interventions are usually evaluated in individual-level experiments, which are costly to scale and often miss collective effects. We propose the Exposure--Engagement model, whose parameters separately control what social media users are exposed to (recommendation) and how they engage (behaviour). After fitting it to the Italian Twitter debate (2018--2022), we validate it at individual and collective levels. We simulate behavioural interventions (prebunking and accuracy prompts), calibrated on effect sizes, and a recommender-system intervention (chronological feed), comparing effects on engagement, attention diversity, and segregation. All three reduce engagement. Behavioural interventions slightly reduce diversity, leaving segregation unchanged, whereas the chronological feed increases diversity and reduces segregation. For these interventions, changing recommendation does more for the debate's structure than changing behaviour. We design a recommender-system intervention that increases engagement and diversity while reducing segregation, although with about a tenth of the chronological feed's gains, showing the framework's potential for pro-social intervention design.
- Abstract（参考訳）: ソーシャルメディアの介入は通常、個々のレベルの実験で評価される。
本研究では,ソーシャルメディア利用者が何を公開しているか(勧告)とどのように関与しているか(行動)をパラメータが別々に制御する Exposure-Engagementモデルを提案する。イタリアのTwitter討論会(2018-2022)に合わせると,個人レベルと集団レベルで検証する。
行動介入(公開と精度のプロンプト)をシミュレートし、効果の大きさを校正し、推奨システム介入(時系列フィード)を行い、エンゲージメント、注意多様性、分離に対する影響を比較した。
3つともエンゲージメントを低下させる。
行動介入は多様性をわずかに減らし、分離は変わらないが、時系列フィードは多様性を高め、分離を減らす。
これらの介入に対して、推奨を変えることは、行動を変えることよりも議論の構造を変えることに役立つ。
分類を減らしながらエンゲージメントと多様性を増大させるレコメンデーター・システム介入を設計するが、時系列フィードの約10分の1の利得は、このフレームワークが社会的介入設計にもたらす可能性を示している。
関連論文リスト
- Control-Theoretic Content Moderation [1.8561524535909113]
我々はコンテンツモデレーションをグローバルで適応的でシーケンシャルな意思決定プロセスとして定式化する。
モデレーション動作を構成するための一般的な制御理論フレームワークを提案する。
制御理論の2つのモデレータを,いくつかのベースラインと局所戦略と比較する。
論文 参考訳（メタデータ） (2026-09-16T15:28:53Z) - To Compare, or Not to Compare: On Methodological Practices in Evaluating Social Bias [61.40435736418359]
異質なベンチマークを標準化する統一的なフレームワークを導入し、孤立した人口統計評価と強制選択比較設定を対比する。
比較設定は、主に不特定文脈によって引き起こされる潜在識別のアグレッシブな触媒として機能することを示す。
最後に、この比較偏見はモデルサイズと正にスケールする一般化された現象であることを示す。
論文 参考訳（メタデータ） (2026-06-23T13:53:50Z) - Perceiving exposure segregation with open urban imagery [16.974402721391446]
オープン衛星とストリートレベルの画像から直接露光分離を知覚するフレームワークであるVISAGEを紹介する。
構築された環境は、分離の妥当な文法を符号化している。
その結果, 包括的住宅政策は, 高次混合に伴う視覚的特徴の相違が示唆された。
論文 参考訳（メタデータ） (2026-06-20T03:31:03Z) - A dual typology of social media interventions and deterrence mechanisms against misinformation [0.0]
プラットフォーム介入の5つの主要なタイプは、対応する5つの抑止機構にマッピングできると私は論じます。
これらのマッピングは、プラットフォームがユーザ行動に影響を与えるための様々な抑止機構をどのように適用するかを照らします。
論文 参考訳（メタデータ） (2025-10-16T00:34:22Z) - Estimating Online Influence Needs Causal Modeling! Counterfactual Analysis of Social Media Engagement [6.979194533898427]
政策タイミングとエンゲージメント効果の両方に適応する新しい共同治療・アウトカムフレームワークを導入する。
本手法は,医療の因果推論手法に適応し,ソーシャルメディアの相互作用の逐次的性質に平均治療効果(ATE)を推定する。
論文 参考訳（メタデータ） (2025-05-25T23:03:24Z) - Online Experimental Design With Estimation-Regret Trade-off Under Network Interference [7.080131271060764]
オンライン実験設計のための統合型干渉認識フレームワークを提案する。
既存の研究と比較して、露出マッピングの統計的概念を利用して腕の空間の定義を拡張した。
また、アルゴリズムの実装を提案し、異なる学習環境とネットワークトポロジにまたがる一般化について議論する。
論文 参考訳（メタデータ） (2024-12-04T21:45:35Z) - Composable Interventions for Language Models [60.32695044723103]
言語モデルのテストタイム介入は、事実の正確性を高め、有害な出力を軽減し、コストのかかる再トレーニングなしにモデルの効率を向上させる。
しかし、新しい手法の洪水にもかかわらず、様々な種類の介入が独立して発展している。
複数の介入が同じ言語モデルに与える影響を研究するためのフレームワークである構成可能な介入を導入する。
論文 参考訳（メタデータ） (2024-07-09T01:17:44Z) - Social Diversity Reduces the Complexity and Cost of Fostering Fairness [63.70639083665108]
不完全な情報や公平性の柔軟な基準を前提とした干渉機構の効果について検討する。
多様性の役割を定量化し、情報収集の必要性を減らす方法を示す。
この結果から,多様性が変化し,公正性向上を目指す機関に新たなメカニズムが開放されることが示唆された。
論文 参考訳（メタデータ） (2022-11-18T21:58:35Z) - Fair Effect Attribution in Parallel Online Experiments [57.13281584606437]
A/Bテストは、オンラインサービスで導入された変更の影響を確実に特定する目的で役立ちます。
オンラインプラットフォームでは,ユーザトラフィックをランダムに分割して多数の同時実験を行うのが一般的である。
異なるグループ間の完全なランダム化にもかかわらず、同時実験は互いに相互作用し、平均的な集団の結果に負の影響をもたらす。
論文 参考訳（メタデータ） (2022-10-15T17:15:51Z) - SSAGCN: Social Soft Attention Graph Convolution Network for Pedestrian
Trajectory Prediction [59.064925464991056]
ソーシャルソフトアテンショングラフ畳み込みネットワーク(SSAGCN)という新しい予測モデルを提案する。
SSAGCNは、歩行者間の社会的相互作用と歩行者と環境間のシーンインタラクションを同時に扱うことを目的としている。
公開データセットの実験は、SAGCNの有効性を証明し、最先端の結果を得た。
論文 参考訳（メタデータ） (2021-12-05T01:49:18Z) - Interference and Generalization in Temporal Difference Learning [86.31598155056035]
時間差学習における一般化と干渉の関係について検討する。
教師付き学習ではTDが容易に低干渉,低一般化パラメータにつながり,その効果は逆のように見える。
論文 参考訳（メタデータ） (2020-03-13T15:49:58Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。